hive和資料庫除了擁有類似的查詢語言，再無類似之處。
1.由於 hive 是針對資料倉儲應用設計的，而資料倉儲的內容是讀多寫少的。因此，hive 中不支援對資料的改寫和新增，所有的資料都是在載入的時候中確定好的。而資料庫中的資料通常是需要經常進行修改的，因此可以使用 insert into ... values 新增資料，使用 update ... set 修改資料。
hive的載入，是將整個檔案載入到對應的hdfs中，不會對資料本身有任何修改。可以簡單理解為：hive的元資料，對應的是檔案的位置，資料庫對應的是檔案裡面內容的位置。
hive 在載入的過程中不會對資料本身進行任何修改，而只是將資料內容複製或者移動到相應的 hdfs 目錄中。而在資料庫中，不同的資料庫有不同的儲存引擎，定義了自己的資料格式。所有資料都會按照一定的組織儲存，因此，資料庫載入資料的過程會比較耗時。
2.hive 在查詢資料的時候，由於沒有索引，需要掃瞄整個表，因此延遲較高。另外乙個導致 hive 執行延遲高的因素是 mapreduce 框架。由於 mapreduce 本身具有較高的延遲，因此在利用 mapreduce 執行 hive 查詢時，也會有較高的延遲。相對的，資料庫的執行延遲較低。當然，這個低是有條件的，即資料規模較小，當資料規模大到超過資料庫的處理能力的時候，hive 的平行計算顯然能體現出優勢。
3.由於 hive 建立在集群上並可以利用 mapreduce 進行平行計算，因此可以支援很大規模的資料；對應的，資料庫可以支援的資料規模較小。
界上最大的 hadoop 集群在 yahoo!，2023年的規模在 4000 臺節點左右
目前最先進的並行資料庫 oracle 在理論上的擴充套件能力也只有 100 臺左右。
hive是乙個應用層的東西，定位是資料倉儲，所偏向的是資料分析，儲存和計算的方向，其本質是mapreduce。
hive的應用場景
1》資料探勘：
1.資料使用者行為分析
2.興趣分割槽
3.區域展示
2》非實時分析
1.日誌分析
2.文字分析
3》資料彙總
1.每天/每週使用者點選數
2.流量統計
3》作為資料倉儲（這也是我在公司接觸的最多的資料分析的場景）
1.資料抽取
2.資料載入
3.資料轉換
hive缺點：
1》延遲很高：
1.預設m/r執行引擎
2.m/r啟動有所延遲
2》暫不支援列級，別的資料增加，更新，刪除操作。
3》暫不支援儲存過程
關係型資料庫：mysql，oracle
非關係型資料庫：redis，mongodb，hbase
類sql資料庫：hive
具體地：
關係型資料庫（mysql和oracle）
1.表和表、表和字段、資料和資料存在著關係
優點:1.資料之間有關係，進行資料的增刪改查的時候是非常方便的
2.關係型資料庫是有事務操作的，保證資料的完整性和一致性。
缺點：1.因為資料和資料是有關係的，底層是執行了大量的演算法
大量演算法會降低系統的效率，會降低效能
2.面對海量資料的增刪改查的時候會顯的無能為力
3.海量資料對資料進行維護變得非常的無力
適合處理一般量級的資料（銀行轉賬和錢）
非關聯式資料庫的（redis和mangdb）
為了處理海量資料，非關聯式資料庫設計之初就是為了替代關係型資料庫的關係
查詢key---value的時候：entry（即一條k-v記錄）預設是按照key的字典順序儲存的，當然開發者也可以過載這個排序函式；
優點：1.海量資料的增刪改查是可以的
2.海量資料的維護和處理非常輕鬆
缺點：1.資料和資料沒有關係，他們之間就是單獨存在的
2.非關聯式資料庫沒有關係，沒有強大的事務關係，沒***資料的完整性和安全性
適合處理海量資料，保證效率，不一定安全（統計資料，例如微博資料）
總之：1.關係型資料庫支援sql語句的查詢，增刪改查非常方便，並且支援多表的join操作，相比非關係型資料庫速度比較慢
2.非關係型資料庫讀寫非常快，但是不支援增刪改查的操作
3.hive資料倉儲是元資料和客戶端的形式，將資料儲存在hdfs上的。但是hive 中不支援對資料的改寫和新增，所有的資料都是在載入的時候中確定好的。
4.非關係型資料庫的數是儲存在記憶體中的，關係型資料庫的資料是儲存在磁碟的
hive query就是mapreduce jobs可以從5分鐘到數小時不止，hbase是非常高效的，肯定比hive高效的多。
hive本身不儲存和計算資料，它完全依賴於hdfs和mapreduce，hive中的表純邏輯。hive需要用到hdfs儲存檔案，需要用到mapreduce計算框架。
hbase是物理表，不是邏輯表，提供乙個超大的記憶體hash表，搜尋引擎通過它來儲存索引，方便查詢操作。
hbase是列儲存。
資料倉儲與資料庫比較，Hive資料倉儲與資料庫比較
hive是乙個翻譯工具，將sql翻譯為底層mr程式的，它不是資料庫，只不過在表現形式上和資料庫有很多類似而已 比如表 database 欄位等 資料庫可以增刪查改，資料倉儲只可以增刪查 資料倉儲支援很大規模的資料 資料庫支援的資料規模較小 資料倉儲沒有索引，資料庫有 資料倉儲可擴充套件性強，資料庫弱...
Hive（資料倉儲）與資料庫的區別
資料庫和資料倉儲，雖然名字只有一點點不同，但是性質卻有很大的區別。資料倉儲是什麼？資料倉儲是為企業制定各個級別的決策，可以提供各種資料型別支援的戰略集合。它們兩種之間的區別，就由我來給大家介紹一下吧。眾所周知，hive是hadoop生態圈中不可缺少的一部分。hive的元資料儲存在自帶的derby資料...
資料庫與資料倉儲
簡而言之，資料庫是面向事務的設計，資料倉儲是面向主題設計的。資料庫設計是盡量避免冗餘，一般採用符合正規化的規則來設計，資料倉儲在設計是有意引入冗餘，採用反正規化的方式來設計。資料庫是為捕獲資料而設計，資料倉儲是為分析資料而設計，它的兩個基本的元素是維表和事實表。維是看問題的角度，比如時間，部門，維表...